[發(fā)明專利]多傳感器聯(lián)合信號(hào)檢測及時(shí)頻定位方法和裝置

在審

• 申請?zhí)枺?/td>: 202210756195.7
• 申請日: 2022-06-29
• 公開（公告）號(hào): CN115310476A
• 公開（公告）日: 2022-11-08
• 發(fā)明（設(shè)計(jì)）人: 張凱;田瑤;劉義;李運(yùn)宏;趙彬;何旭;張藝博
• 申請（專利權(quán)）人: 中國人民解放軍63891部隊(duì)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京艾緯鉑知識(shí)產(chǎn)權(quán)代理有限公司 16101
• 代理人: 高會(huì)允

本發(fā)明公開了多傳感器聯(lián)合信號(hào)檢測及時(shí)頻定位方法和裝置，實(shí)現(xiàn)多傳感器信號(hào)聯(lián)合檢測及時(shí)頻位置的測定。該方案為：首先構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型，網(wǎng)絡(luò)輸入為信號(hào)瀑布圖，網(wǎng)絡(luò)輸出為瀑布圖中信號(hào)存在的置信度及對應(yīng)信號(hào)的邊界框參數(shù)。獲取目標(biāo)頻段信號(hào)數(shù)據(jù)，預(yù)處理后獲得信號(hào)瀑布圖作為訓(xùn)練樣本，對所構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。多個(gè)傳感器獨(dú)立進(jìn)行信號(hào)采集，然后利用訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)對傳感器所采集信號(hào)進(jìn)行處理，得到單個(gè)傳感器采集信號(hào)的處理結(jié)果，包括采集信號(hào)存在的置信度及信號(hào)的邊界框參數(shù)。單個(gè)傳感器信號(hào)的處理結(jié)果進(jìn)行融合得到信號(hào)存在的聯(lián)合置信度，并對信號(hào)邊界框參數(shù)進(jìn)行修正，最終實(shí)現(xiàn)多傳感器信號(hào)聯(lián)合檢測及時(shí)頻定位。

技術(shù)領(lǐng)域

本發(fā)明涉及無線電信號(hào)檢測技術(shù)領(lǐng)域，具體涉及多傳感器聯(lián)合信號(hào)檢測及時(shí)頻定位方法和裝置。

背景技術(shù)

在無線電信號(hào)監(jiān)測、分類識(shí)別、解調(diào)譯碼、目標(biāo)定位等應(yīng)用中，需要首先對目標(biāo)頻段內(nèi)信號(hào)存在性進(jìn)行判斷，并對潛在未知信號(hào)出現(xiàn)的頻譜位置、起止時(shí)間等參數(shù)進(jìn)行測量。在無線傳感網(wǎng)中，單個(gè)節(jié)點(diǎn)采集到的信號(hào)往往信噪比較低，其對環(huán)境噪聲和信道衰落非常敏感，使用單個(gè)傳感器節(jié)點(diǎn)獨(dú)立完成信號(hào)檢測穩(wěn)健性不足，通常難以滿足實(shí)際需要，因此，設(shè)計(jì)魯棒高效的檢測算法對來自多個(gè)傳感器信號(hào)進(jìn)行有效融合至關(guān)重要。由于不同接收單元類型、接收天線口徑、與信號(hào)源距離可能不同，加之各獨(dú)立接收通道特性不一，造成觀測信號(hào)質(zhì)量存在差異，對多個(gè)傳感器信號(hào)進(jìn)行融合需要考慮各觀測信號(hào)質(zhì)量差異，對各接收信號(hào)賦予不同權(quán)值，權(quán)值的計(jì)算一直是研究的重點(diǎn)和難點(diǎn)。

在深度神經(jīng)網(wǎng)絡(luò)框架下，注意力模型是常用的加權(quán)聚合方法，然而，現(xiàn)有注意力模型是基于只有少數(shù)幾個(gè)觀測與任務(wù)目標(biāo)相關(guān)的假設(shè)，因此，它傾向于為大多數(shù)觀測分配接近于零的權(quán)重。然而，目前在無線傳感網(wǎng)領(lǐng)域，缺少一種能夠充分利用各陣元接收信號(hào)信息，提升檢測性能的方案。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了多傳感器聯(lián)合信號(hào)檢測及時(shí)頻定位方法和裝置，采用分布式處理策略，多個(gè)獨(dú)立傳感器借助深度神經(jīng)網(wǎng)絡(luò)計(jì)算目標(biāo)頻段信號(hào)存在的概率(置信度軟信息)及各信號(hào)的起止時(shí)間和起止頻率等邊界框參數(shù)，然后送入融合中心，計(jì)算聯(lián)合置信度，并對各信號(hào)邊界框參數(shù)進(jìn)行修正，最終實(shí)現(xiàn)多傳感器信號(hào)聯(lián)合檢測及時(shí)頻位置的測定。

為達(dá)到上述目的，本發(fā)明提供的多傳感器聯(lián)合信號(hào)檢測及時(shí)頻定位方法，包括如下步驟：

首先構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型，網(wǎng)絡(luò)輸入為信號(hào)瀑布圖，網(wǎng)絡(luò)輸出為瀑布圖中信號(hào)存在的置信度及對應(yīng)信號(hào)的邊界框參數(shù)。

獲取目標(biāo)頻段信號(hào)數(shù)據(jù)，對目標(biāo)頻段信號(hào)數(shù)據(jù)進(jìn)行預(yù)處理后獲得信號(hào)瀑布圖作為訓(xùn)練樣本，對所構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。

多個(gè)傳感器獨(dú)立進(jìn)行信號(hào)采集，然后利用訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)對傳感器所采集信號(hào)進(jìn)行處理，得到單個(gè)傳感器采集信號(hào)的處理結(jié)果，包括采集信號(hào)存在的置信度及信號(hào)的邊界框參數(shù)。

將單個(gè)傳感器信號(hào)的處理結(jié)果進(jìn)行融合得到信號(hào)存在的聯(lián)合置信度，并對信號(hào)邊界框參數(shù)進(jìn)行修正，最終實(shí)現(xiàn)多傳感器信號(hào)聯(lián)合檢測及時(shí)頻定位。

進(jìn)一步地，構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型，具體為：網(wǎng)絡(luò)結(jié)構(gòu)直接使用現(xiàn)有的經(jīng)典目標(biāo)檢測網(wǎng)絡(luò)，包括CNN、RCNN、YOLO以及SSD。

進(jìn)一步地，獲取目標(biāo)頻段信號(hào)數(shù)據(jù)，具體為：通過采集實(shí)際信號(hào)或仿真的方式獲取目標(biāo)頻段信號(hào)數(shù)據(jù)；目標(biāo)頻段信號(hào)數(shù)據(jù)的目標(biāo)頻段不唯一；目標(biāo)頻段信號(hào)數(shù)據(jù)的目標(biāo)頻段寬度不固定；目標(biāo)頻段信號(hào)數(shù)據(jù)直接使用射頻數(shù)據(jù)，或者是變頻后的中頻或基帶數(shù)據(jù)。

進(jìn)一步地，對目標(biāo)頻段信號(hào)數(shù)據(jù)進(jìn)行預(yù)處理后獲得信號(hào)瀑布圖作為訓(xùn)練樣本，具體為：對目標(biāo)頻段信號(hào)數(shù)據(jù)通過數(shù)據(jù)分割、歸一化以及短時(shí)傅里葉變換操作獲得信號(hào)瀑布圖作為訓(xùn)練樣本。

進(jìn)一步地，多個(gè)傳感器獨(dú)立進(jìn)行信號(hào)采集，具體為：多個(gè)傳感器在空間上隨機(jī)布局；多個(gè)傳感器接收天線類型、口徑、接收機(jī)通道特性一致或者不同；多個(gè)傳感器采集信號(hào)是同步采集或者非同步采集。